随着互联网的迅速普及,使网络逐渐成为消费者的活动和决策的重要参考,传统的线下咨询等传统渠道方式已经被包含海量重要信息的网络搜索所替代。因此一定程度上,通过哪些关键词频繁地被消费者搜索查询,就可以看出哪些方面为消费者所关注,而在搜索引擎中的搜索量能够很好地量化关注水平。百度搜索引擎市场大,网民的个人偏好、购买需求以及关注热点等信息都在百度搜索上存储。另一方面,生活品质的提高,使人们对出游等精神享受的渴望越来越多,成为更多人在业余时间的不二之选。但是,传统旅行决策模式无法适应游客量激增的现状,消费者经过搜索引擎平台,搜集旅游信息的模式已成为一种潮流。对此,本文以重庆市为例,通过对百度搜索数据的提取和应用,探索消费者对关键词的搜索指数能否反映旅游人数,并构建适合的统计模型,实现对旅游人数的精准预测。传统的旅游量预测研究方法存在明显滞后和主观性。然而,网络搜索数据每日都会进行更新,所得日度值的时效性强,正好避免了传统方法的滞后性。本文通过五个步骤进行研究:第一,运用文献选词、主观选词方法,围绕旅游相关的七大因素选择了28个初始关键词,再结合百度指数的需求谱图和站长之家拓展至105个关键词;第二,提取重庆市月度旅游量及每个关键词的百度搜索指数,通过预处理、时差相关分析法和随机森林重要性排序法筛选出23个最终关键词;第三,采用主成分分析法将23个最终关键词指数降维,综合5个主成分与重庆游客量分别构建随机森林、SVM、BP神经网络三种预测模型;第四,对比三种模型预测效果的优劣,并利用得到的三组预测值以加权的方式,构建综合预测模型;第五,根据模型比较标准,对四种模型的拟合、预测效果作出评价,最终得出综合预测模型为最优。本研究主要结论:（1）与重庆游客量关系最为密切的是“重庆朝天门”、“重庆长江索道”等景点关键词,是重庆游客量变动的一大因素,是驱动游客量增长的巨大驱动力;（2）网络搜索数据确实可以反映消费者决策,运用网络搜索数据处理实际问题有价值的,能够有效预测游客量;（3）预测的平均绝对误差BP神经网络预测优于随机森林预测,但论实用性,随机森林要优于BP神经网络预测;（4）对比单一模型和多元回归综合模型发现,综合预测模型无论在直观上还是实用性上均为最优,预测效果在单一模型上有了显著的提高。